交絡 Confounding [内科のメモ帳]

stats:causal:confounding

交絡 Confounding

DAG 上で X-Y の間に開いた裏口経路を閉じるのに必要最小限な調整変数の組み合わせ

古典的な定義

伝統的な定義は以下の通り

曝露と関連している
曝露を条件付けても，アウトカムと関連する
曝露の効果の経路上にない（メカニズムでない）

上記の定義の問題点は，調整すべきでない要因を交絡因子としてしまいうること
- たとえば以下の Mバイアスの問題がある

Mバイアス

上のような DAG が描かれる時，$X$ と $Y$ の間に因果効果はない
また$Z$ は $U_1$ と $U_2$ の共通効果であり，調整する必要はない（調整によってむしろ選択バイアスを生じる）
しかし古典的な上述の「交絡因子の定義」に基づくと， $Z$ を調整してしまいかねない
- 曝露 $X$ と関連しており，曝露を条件づけてもアウトカム $Y$ と関連し，曝露-効果（$X$-$Y$）の経路上にない
そして調整してしまった結果，$X$ と $Y$ の間に統計的関連があるように見えてしまうことになる．
これがいわゆる Mバイアス
こうした問題があるため，近年では交絡について冒頭に示したような DAG を用いた定義が望ましいとされ普及している

残余交絡

交絡因子の測定が不完全な場合，残余交絡 residual confounding が生じる
- この場合，正しく調整変数選択をしてもバイアスは生じる
交絡因子のプロキシは「測定が不完全な交絡因子」とみなせるためこれの調整で少しバイアスを取り除ける
- 例：所得レベル (U) と生活保護 (Z) の有無

stats/causal/confounding.txt · 最終更新: 2023/10/01 by admin